[发明专利]一种业务数据异常诊断方法、装置、设备及存储介质

说明书

本申请提供一种业务数据异常诊断方法、装置、设备及存储介质，涉及智能化运维技术领域。该方法包括：获取目标时间之前预设时段内的多个历史业务数据；将各历史业务数据分别输入预先训练的数据上限预测模型、数据下限预测模型，由该数据上限预测模型和该数据下限预测模型分别输出上限预测值、下限预测值；根据该目标时间对应的真实业务数据、该上限预测值以及该下限预测值，确定该目标时间对应的真实业务数据是否异常；若该目标时间对应的真实业务数据异常，则输出异常报警信息。应用本申请实施例，可以提高业务数据异常诊断的准确性。

技术领域

本申请涉及智能化运维技术领域，具体而言，涉及一种业务数据异常诊断方法、装置、设备及存储介质。

背景技术

随着互联网技术的发展，各业务平台产生的业务数据会以特定的形式存入日志系统中。为了保证各业务平台所支撑的业务正常进行，一般会从日志系统中提取与监控指标对应的业务数据，通过对这些业务数据进行异常诊断使各业务平台的故障消灭在萌芽阶段。

目前，主要利用人工设置的规则判断当前的业务数据是否异常，比如，该人工设置的规则可以为一个区间，若当前的业务数据没有在该区间内，则触发异常报警，即该业务数据为异常，反之亦然。

然而，某些业务具有很强的周期性，比如对应的业务数据会有突增或者突减的属性，当利用现有技术的方式对业务数据进行异常诊断时，会导致大量的异常误报现象，会降低业务数据异常诊断的准确性。

发明内容

本申请目的在于，针对上述现有技术中的不足，提供一种业务数据异常诊断方法、装置、设备及存储介质，可以提高业务数据异常诊断的准确性。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种业务数据异常诊断方法，所述方法包括：

获取目标时间之前预设时段内的多个历史业务数据；

将各所述历史业务数据分别输入预先训练的数据上限预测模型、数据下限预测模型，由所述数据上限预测模型和所述数据下限预测模型分别输出上限预测值、下限预测值；

根据所述目标时间对应的真实业务数据、所述上限预测值以及所述下限预测值，确定所述目标时间对应的真实业务数据是否异常；

若所述目标时间对应的真实业务数据异常，则输出异常报警信息。

可选地，所述方法还包括：将所述历史业务数据输入预先训练的基准数据预测模型，由所述基准数据预测模型输出基准预测值。

可选地，所述根据所述目标时间对应的真实业务数据、所述上限预测值以及所述下限预测值，确定所述目标时间对应的真实业务数据是否异常，包括：

根据所述目标时间对应的真实业务数据、所述基准预测值、所述上限预测值、所述下限预测值以及阈值参数，确定所述目标时间对应的真实业务数据是否异常。

可选地，所述根据所述目标时间对应的真实业务数据、所述基准预测值、所述上限预测值、所述下限预测值以及阈值参数，确定所述目标时间对应的真实业务数据是否异常，包括：

根据所述目标时间对应的真实业务数据以及所述基准预测值，计算第一偏差值；

根据所述上限预测值以及所述基准预测值，计算第二偏差值；

根据所述下限预测值以及所述基准预测值，计算第三偏差值；

根据所述第一偏差值、所述第二偏差值以及所述第三偏差值，确定所述目标时间对应的真实业务数据是否异常。

可选地，所述根据所述第一偏差值、所述第二偏差值以及所述第三偏差值，确定所述目标时间对应的真实业务数据是否异常，包括：